𝑝-Laplacian Based Graph Neural Networks

[2nazero]

𝑝-Laplacian Based Graph Neural Networks

@inproceedings{fu2022p,
  title={$ p $-Laplacian Based Graph Neural Networks},
  author={Fu, Guoji and Zhao, Peilin and Bian, Yatao},
  booktitle={International Conference on Machine Learning},
  pages={6878--6917},
  year={2022},
  organization={PMLR}
}

[2nazero]

https://github.com/guoji-fu/pgnns

[2nazero]

p-Laplacian based GNN

기존 GNN은 대부분 동질적(homophilic) 그래프에 최적화되어 있어, 연결된 노드들이 동일한 라벨을 가지는 경우에만 잘 작동하는데, 이질적(heterophilic) 그래프나 노이즈가 많은 그래프에서는 성능이 떨어진다.

위 사진과 같이, p 값을 통해 주파수 필터링 방식을 조정함으로써, 라벨이 다르더라도 중요한 관계를 유지하는 노드 간 연결을 학습할 수 있게 되어, 더 정밀한 예측이 가능해지는 원리이다.

실험 결과, pGNN이 기존의 GNN 모델보다 이질적인 그래프와 노이즈가 많은 그래프에서 더 우수한 성능을 보여주었다.